日期:2019年10月06日   

这篇文章是源于在单位做的一次内部分享,向大家介绍第一性原理以及通过这个视角去看待人工智能。后将自己的讲演的部分思路整理成文,做一个总结,便有了此文。

这个PPT是讲座的文稿,感兴趣的朋友可以下载。

AI和第一性原理

AI,也就是人工智能,这几年非常火,但是究竟AI的本质是什么呢?探究AI的本质的过程,实际上可以用第一性原理的方式来理解,可能跟容易。我们这里就一起来探讨AI的本质,第一性原理,如何使用第一性原理来理解AI本质。

第一性原理

首先介绍一下,第一性原理,这个概念来自于古代希腊先哲,亚里士多德,“在任何一个系统中,存在第一性原理,是一个最基本的命题或者假设,不能被省略,也不能被违反。”,是的,这就是亚里士多德提出的第一性原理。这个概念听上去有些晦涩,但是解释起来,非常容易理解。就是任何事物,都有其内在的存在的“第一性原理”,在我理解,就是其最最本质的东西,这个东西其实就在那里,是基于最基本的假设,你必须要认可它,它不需要什么前提和证明,有了它,你就可以去推演其他别的结论出来,这些结论最终形成了整个系统。

概念晦涩,举几个例子吧。比如,我们初中就开始学习的,牛顿整个的机械论,他的第一性原理,就是万有引力,他所谓的“基本命题”就是万物之间有相互的吸引力,并在不受外力的时候,保持物体的运动惯性。这两个假设,构建出整个牛顿力学的整体大厦,指导着建筑、工业甚至天体物理的方方面面。而,重新把这个概念推介给世人的埃隆马斯克,也是一位第一性原理的实践者。马斯克从小就一个梦想,去殖民火星,所以他开始致力于民用火箭的开发。他最开始去寻找俄罗斯火箭公司,对方给他的报价是6500万美元以上,这个价格对他来首,太过昂贵了。马斯克于是重新思考这个问题,他于是潜心研究火箭原理达2年时间,了解火箭制造的方方面面,始终不断地思考火箭制造中,最核心的成本在什么地方,他不断的思考和实践,最终使得他的SpaceX公司将发射火箭的成本削减至原本的十分之一。随后,他又在他的另外一家电动车制造公司Tesla中,思考如何降低电动汽车电池高成本问题,当时储能电池的价格是每千瓦时600美元,这个价格对整车来说,太过昂贵。于是,马斯克他们仔细分析电池的组成,从第一原理角度进行思考:电池组到底是由什么材质组成?这些电池材质在原料市场价格是多少?他们考察后发现,电池是由碳、镍、铝和一些聚合物组成,如果从伦敦金属交易所购买这些原材料,只要 80 美元/千瓦时。两者相差8倍之多。这个价格差距中,如果他可以找到降低电池技术的方法,那么剩下的只有原材料的成本了。最终,他们做到了,大幅的降低了电池的成本,从而使得整个电动车工业蓬勃发展起来。

第一性原理是和演绎法一起相生相伴的,演绎法其实就是三段论的推导,三段论指的是“大前提、小前提、结论”,大前提,就是指一般性的公理,而小前提往往是一些特例性的事实,有了大前提,小前提就可以依据这个演绎法,可以推导出结论。举个例子:“人都会死的,亚里士多德是人,所以亚里士多德也会死的。”,就是三段论的一个很浅显易懂的例子。你是否觉得,这个方法没什么呀,很容易理解啊。但是,这里面蕴含着一些东西,不知道你是否注意到了?那就是,大前提至关重要,如果大前提错了,或者不是很稳固的一个假设,那么结论就有可能不正确。那么,如何保证大前提正确,这就要求,大前提也是依据演绎法推导出来的。也就是大前提是,另外一个演绎推理的结论,大前提还有一个它自己的大前提。这就形成了一个递归,一直可以不断地向前追溯,直至达到第一性原理。不知道大家感觉到没有,这像什么?这非常像小时候的证明题,给你一些假设条件,你依据一些推理,得到最终的结论,这样得到的结论非常可信。是的,第一性原理和演绎法最经典的一个例子就是欧几里得的《几何原本》,他从最开始的5个公理、5个公设开始,推导出来476个几何结论,牢固坚实。

所以,第一性原理,辅以演绎法,是我们思考这个世界的一个非常重要的方法。我们应该使用这种方法,去建立我们看待这个世界的视角。任何事物,我们都应该不断地去思索其最根本的原因和本质是什么?找到了这个本源、本质、它的第一性原理,其他的现象、结论和问题,都可以迎刃而解。当然这不是一件容易的事情,这个过程中,我们需要不断的学习、思考,去伪存真,不断地思索,是否已经探究到事物最最本真的那些东西,不断地质疑,求证,反复的推演,直至我们去确信我们寻到了它。

人工智能

回到AI上,从2016年,AlphaGo战胜李世石,就开始火起来,以至于创业圈、产业界甚至国家层面,都在热炒人工智能,到处都在宣扬人工智能将超越人类,人类将面临灭顶之灾的言论。可是,真的是这样么?好,让我们思考一下,这个最热的概念背后的本真是什么。

首先是为什么AI会火起来,你看到的是AlphaGo的胜利,而我看到的是科技作为生产力的匮乏。我们经历过IT革命、互联网大潮,已经持续了30多年,可是现在这两大技术支撑点,已经开始红利消失,人们急需一种新的科技形态,来接过生产力的接力棒。所以,人们左看右看,区块链过于炒作,物联网也迟迟无法落地,5G只局限在通讯行业,唯独AI人工智能,似乎可以帮助我们来完成科技作为生产力的这一棒。是的,就这样,AI被推上神坛,尽管它还不成熟,它还经历过3次低谷,人们都不care,对科技生产力的渴望,让人们急不可耐的把它推上了舞台。可是,聪明的你可能会问,为什么需要新的生产力,恩,这正是第一性原理的思考方式,你在试图探究事物往深处的本源了,很为你点赞。这个问题其实很难回答,在我的理解,是因为如果没有新的生产力,就无法更多更高效地创造商品和价值,而不断膨胀的消费欲望和信贷扩张,就会戛然而止,世界的经济就会陷入停滞和衰退,从而引发各种经济、社会、政治问题,甚至战争。金融界的乔布斯Ray Dalio,曾经制作过一个30分钟讲述经济运行规律的视频,简单易懂的阐述了这个过程,感兴趣的你可以去谷歌一下。

那么,抛开网上这些吹捧之词,我们想了解一下AI产业到底如何呢?到底发展如何呢?了解这些,可能你就不会人云亦云的去跟着“他们”去狂欢,亦或为人类的未来的“灭绝”恐惧了。然后,这个问题就变成了,我有什么办法可以最快速、高效和全面的了解目前的AI行业了,而不是只听媒体上的叫嚣。我想到了一些办法:去36氪上去查AI相关企业的融资情况,因为我坚信,投资人是在理念、信息方面远超一般人的,而且,真金白银的投出去的钱,他们是会心疼的,他们一定会更谨慎和用脚投票的。所以,观察他们对这些AI企业的投资情况,趋势以及额度,你就可以对这个行业的情况有一个了解;我还找到了我认为目前在AI方向上,做的最好的百度(当然你可以认为是阿里,没有关系,这个很主观),你去这些你认为的AI巨头网站上,去观察他们的行业案例、解决方案、技术白皮书,你就可以迅速的知道一线企业究竟在什么地方做到了AI落地;我还回去找一些AI企业的行研报告,通过专业咨询师的眼睛,快速的领略他们眼中的这个行业的情况,要知道,一份行研的价值是浓缩了专业人士花费了时间和金钱之后的量化指标和主观感受的结晶。还有没有更好的方法,更客观的方法,更低成本高效率的方法,帮助你了解这个行业的真实状况,这才是你应该思考的东西,这样得到的结论,你自己才可以更信服。

再回到AI这个专业领域上,什么又是这个AI这个学科最本真的东西呢。我最开始学习的时候,不知道这个学科的本真的东西,所以学习的效率不是很高,花了很长时间才摸到了门。在我眼中,了解这个学科首先是了解整个学科的框架,然后是理解每一个大的分类后面最本质的内容。人工智能这个学科确实太大了,我们以目前最火的深度神经网络来说吧,它其实只是机器学习的一个分支,只不过,神经网络真的效果出奇的好,才可以从众多机器学习方法中脱颖而出。但是,如果我们往深里探究,整个机器学习,本质上就是在寻找数据中的统计规律,这个规律需要被表示,要么是通过线性方法,要么是通过非线性的方法,更一般的意义上,可以通过概率分布的方法。而概率分布的密度函数,本身就是一个函数,既然是函数,就可以被数学上表示和拟合,而拟合方法,就可以通过深度神经网络的无数个神经元组成的组合,来表达出来。如果再往深里探究,本质是数学中的最优化理论,以及泛函中的万能逼近定理,包括寻找参数过程中的反向梯度下降等等,诸多理论,都是信息论、概率统计、泛函、最优化以及随机过程诸多数学分支中的严谨的数学定理在做支撑。熟悉么?仿佛又回到了欧几里得的那个5个公理和5个公设的支撑,是的,整个人工智能,都是建立在近现代数学基础之上的,这正是第一性原理的完美诠释么?

所以,不要被媒体和专家们所迷惑,自己深入其中,去探究所谓的人工智能到底是什么概念,探求他的本质,探究到本真,一切迷雾都会烟消云散。这就是第一性原理的思维方法。无论是了解AI的过程,还是你工作生活中遇到的问题,都不要被表象和喧闹所迷惑,沉下心来,去认真探究事物本真的东西,拨开一层层别人给涂抹的外衣,看到他最内在的本源,这样,你就会少了很多迷茫,对工作、对生活,甚至对人生,多了一份自信和从容。